ベストモデルの検出(2値応答)ハイパーパラメーターの最適化

このコマンドは、で使用できます予測分析モジュールモジュールをアクティブにする方法については、ここをクリックしてください

方法表の定義と解釈について解説します。

を使用してモデルを作成した後、 ベストモデルの検出(2値応答)クリック 代替モデルの選択 して他のモデルを探索できます。モデ Random Forests® 選択した場合、1 つのオプションとして、複数の新しいモデルに適合するようにハイパーパラメーターを指定します。ハイパーパラメーターを指定した場合、結果には「ハイパーパラメーターの最適化」テーブルが含まれます。この表では、ハイパーパラメーターの組み合わせを比較します。「ハイパーパラメーターの最適化」表に続く結果は、最小平均 -対数尤度など、最適性基準の最適値を持つモデルに対して行われます。

平均対数尤度

平均対数尤度は、モデルの精度の尺度です。値が小さいほど、適合性が高いことを示します。

ROC曲線下の面積

ROC曲線は、検出力とも呼ばれる真陽性率 (TPR) をy軸にプロットします。ROC曲線は、第1種の過誤とも呼ばれる偽陽性率 (FPR) をx軸にプロットします。ROC曲線下の面積は、モデルが適切な分類器であるかどうかを示します。

ROC曲線下の面積の範囲は、一般的に0.5から1です。値が大きいほど、分類モデルが適切であることを示します。モデルがクラスを完全に分離できる場合、曲線下の面積は1です。モデルがランダムな割り当てよりも良くクラスを分離できない場合、曲線下の面積は0.5です。

誤判別率

誤分類率は、モデルが応答値を正確に分類する頻度を示します。値が小さいほど、パフォーマンスが高いことを示します。

ノード分割の予測値カウント

この行は、考慮する予測変数の数の選択を示します。

最小内部ノードのサイズ

最小内部ノードのサイズとは、ノードに属することができ、さらに多くのノードに分割できるケースの最小数を示します。

ブートストラップサンプルの数

ブートストラップサンプルの数は、解析のツリー数を示します。

本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください